Back to Blog
AI 智能化 5 大階梯與流程
2021/07/01

現在企業都希望導入智能化應用,但我們發現企業在導入 AI 智能化前還有很多事情需要建制與改善。在此,我們提出了我們講的 AI 智能化階梯供企業單位參考,如何分階段與流程的導入 AI 智能化應用。

企業在導入數據智能前的三階段

  1. 數據層
  2. 應用層
  3. 智能層

AI 智能化 5 大階梯 ,加速應用落地

在 AI 智能化我們分為 AI 智能畫的 5 大階梯,幫助企業一步一步的完成成功的 AI 落地與企業智能。

我們分為五大階梯

  1. 收集資料
  2. 整理數據
  3. 分析處理
  4. 融合應用
  5. 規模佈建

圖如下:

智能化五大階梯

AI 智能化落地前所需流程

1. 資料整合

在數據整合時所需的架構通常會有兩大方式

  1. 建置 ETL 與 Data Warehouse + Data Mart
  2. 建置資料虛擬化平台 (Data Virtualization)

此時主要用意就是把不同的數據孤島轉換成各種數據面向變成能夠應用的數據。

2. 資料監控與資料品質

在做數據轉換的同時,同時需要兼顧企業內部的資料安全,包含資料的監控,在每個數據渠道中到底有哪些人員有權限能夠看到什麼樣的資料,都要能夠掌控。以及要能夠監控數據品質,讓應用端做模型開發或是 AI 人員能夠知道現在只使用資料是否合理與正確。

或使用資料虛擬化做到虛擬 Data Mart 以及資料權限控管,來監控所有數據流動的安全性與一致性。

3. 資料治理與整理

有了數據整理後產出的數據,需要歸檔以及讓企業其他應用單位有辦法開始使用,包含資料治理與查詢。

4. AI Model 與 Training

到這部好不容易有了數據,我們就會開始做一些 AI 模型訓練與驗證,一些測試數據,來做到模型與數據的迭代。

5. AI 模型驗證

有了 AI 模型後會做小或中場域的模型驗證。

6. AI 發佈應用

模型驗證後精確度等在期待的範圍內,就會做 AI 模型的發佈應用

No reproduction without permission, please indicate the source if authorized.

Share to your friends!

Follow Us
CannerFlow Platform
Connecting data lakes, databases, files, clouds as one data platform.
Learn More
Contact Us
Want to connect with us and talk to us? Contact us now!
Request Now